SQLデータベースとNOSQLデータベースのコアの違いは、データ構(gòu)造、スケーリング方法、一貫性モデルです。 1.データ構(gòu)造の観點から、SQLは事前定義されたパターンを使用して構(gòu)造化データを保存しますが、NOSQLはドキュメント、キー値、列ファミリ、グラフなどの柔軟な形式をサポートして、非構(gòu)造化データを処理します。 2。スケーラビリティの観點から、SQLは通常、垂直拡張時に強いハードウェアに依存しますが、NOSQLは水平拡張を通じて分布拡張を?qū)g現(xiàn)します。 3.一貫性の観點から、SQLは酸に従い、強い一貫性を確保し、金融システムに適していますが、NOSQLは主にベースモデルを使用して可用性と最終的な一貫性を強調(diào)しています。 4.クエリ言語の観點から、SQLは標準化された強力なクエリ機能を提供しますが、NOSQLクエリ言語は多様ですが、SQLほど成熟して統(tǒng)一されていません。

サブクエリを使用するか接続を使用するかは、特定のシナリオに依存します。 1.事前にデータをフィルタリングする必要がある場合、今日の注文顧客を見つけるなど、サブ征服がより効果的です。 2。大規(guī)模なデータセットをマージする場合、顧客の取得や最近の注文など、接続効率が高くなります。 3.非常に読みやすいロジックを書くとき、ホットセラー製品を見つけるなど、サブQueries構(gòu)造はより明確です。 4.関連するデータに依存する更新を?qū)g行したり、操作を削除したりする場合、サブクエリは、長い間ログインされていないユーザーの削除など、好ましいソリューションです。

acompositeprimarykeyinsqlisaprimarykeycomposedoftwoorum columnstogetogetogelyidentifyeachrow.1.sisisurnensurenurowuniquense、そのようなinsastudent-courseenrollmenttableはどこにいても、BothStudendandandandandandandandedanderiquediauniquminat

2番目に高い給與を見つけるための3つのコア方法があります。1。制限とオフセットを使用して最大給與をスキップし、最大を取得します。これは小さなシステムに適しています。 2。サブクエリを通じて最大値を除外してから、最大値を見つけます。これは非常に互換性があり、複雑なクエリに適しています。 3. DENSE_RANKまたはrow_Numberウィンドウ関數(shù)を使用して、並列ランキングを処理します。これは非常にスケーラブルです。さらに、2番目に高い給與がないことに対処するために、IFNULLまたは合體を組み合わせて必要です。

SQLのcreateTableステートメントを使用して句を選択して、別のテーブルと同じ構(gòu)造のテーブルを作成できます。特定の手順は次のとおりです。1。createTableNew_tableasSelect*fromexisting_tablewhere1 = 0;を使用して空のテーブルを作成します。 2。新しいテーブルが無傷で元のテーブル構(gòu)造と一致していることを確認するために必要な場合は、インデックス、外部キー、トリガーなどを手動で追加します。

MySQLはRegexpとRlikeをサポートしています。 PostgreSQLは、?や?*などの演算子を使用します。 OracleはRegexp_likeを介して実裝されています。 SQLServerには、CLR統(tǒng)合またはシミュレーションが必要です。 2。メールボックス（WhereEmailregexp '^[a-za-z0-9 ._％] @[a-za-z0-9.-] \。 regexp_like（username、 '[0-9]'））。 3。パフォーマンスの問題に注意してください。

sqlでのnull値レコードのフィルタリングは= nullまたは！= null、1。ISNUllまたはiSNOTNULLを使用できません。 2。たとえば、電子メール列を探しているユーザーは、select*fromuserswhereemailisnullを書く必要があります。 3.複數(shù)のフィールドは、同時に、複數(shù)のISNULL條件を組み合わせて、または接続することができます。 4。Coalesceは、ディスプレイまたはデフォルトの処理のためにnull値を置き換えることができますが、フィルタリングには適用されません。 nullは未知の値を表し、等しいまたは非等量の比較操作に參加しないため、= nullは結(jié)果を返さず、エラーを報告しません。句は真の行のみを受け入れ、虛偽とunkを無視します

予測分析では、SQLはデータの準備と機能抽出を完了することができます。重要なのは、要件を明確にし、SQL関數(shù)を合理的に使用することです。特定の手順には次のものが含まれます。1。データの準備では、複數(shù)のテーブルから履歴データを抽出し、販売量や関連するプロモーション情報を集約するなど、集約とクリーニングを抽出する必要があります。 2。機能プロジェクトは、ウィンドウ関數(shù)を使用して、LAG（）を介してユーザーの最近の購入間隔を取得するなど、時間間隔またはLAG機能を計算できます。 3.データセグメンテーションは、row_number（）で日付を並べ替えたり、コレクションタイプを比例してマークするなど、時間に基づいてトレーニングセットとテストセットを分割することをお勧めします。これらの方法は、予測モデルに必要なデータファンデーションを効率的に構(gòu)築できます。